SLM-SQL: 초소형 모델로 구현한 고성능 Text-to-SQL
날짜: 2026-04-08 출처: IJCNLP-AACL 2026 발표
요약
SLM-SQL은 0.5B에서 1.5B 파라미터 규모의 소형 언어 모델(sLM)을 사용하여 Text-to-SQL 성능을 극대화한 연구입니다. 대형 모델에 의존하지 않고도 높은 정확도를 달성할 수 있음을 보여주었습니다.
핵심 내용
- 알고리즘: SFT(지도 미세 조정)와 GRPO(Group Relative Policy Optimization) 기반의 강화학습(RL)을 결합.
- 교정적 자기 일관성 (Corrective Self-Consistency): 추론 단계에서 스스로 오류를 탐지하고 수정하는 메커니즘을 통해 실행 정확도를 높임.
- 성능:
- 0.5B 모델: BIRD 벤치마크 EX 61.82%
- 1.5B 모델: BIRD 벤치마크 EX 70.49%
- 의의: 파라미터 대비 압도적인 효율성을 기록하며, 로컬 환경이나 엣지 디바이스에서의 T2SQL 적용 가능성을 증명함.